弱波增强：去掉前置滤波并新增「阶数 N」滑块；修复选区放大越界绘制与浮动面板 ✕ 交互
- 弱波增强不再做任何前置滤波（删除内部的 5 点滑动平均 BoostShapeAt）： 极值点直接在输入采样上识别。需要平滑时用户可以先用「均值滤波」构建一条 滤波后的信号，再对它做弱波增强。 - 新增「阶数 N」参数（1~10，滑块输入），语义与均值滤波的阶数 N 一致 —— 把同一处理重复应用 N 次，每阶以上一阶为输入： 一阶时改定量严格等于「等级」对应的目标值；多阶会让相邻弱波互相抬高彼此的 基准，从而把较宽的弱波区逐步恢复（实测三连弱波的中间峰 550→575→598.4）。 某一阶若不再产生改动会提前结束迭代。 `ComputeWeakWaveBoost(values, level, order, out)`； `Lane::weakBoostOrder`（默认 1）随 LaneCarry / SplitLane / 引用重映射同步， 并进入 SceneContentHash；曲线缓存键变为「信号 + 等级 + 阶数」。 - 浮动面板同步新增一行「阶数 N」滑块（新拖拽模式 BOOST_ORDER、 EdgePanelLayout::sliderOrder）；「构建为新信号」命名带上阶数 （形如 `<原信号> (弱波增强 60%×2阶)`）。 - 修复：选区放大时鼠标被捕获到绘图区之外（工具栏 / 信号面板 / 时间轴）会把 选区块画到绘图区之外，而拖拽期间只失效绘图区 → 留下无法擦除的墨迹。 现在拖拽时把选区夹在绘图区内，PaintRubberBand 再对 m_plotRect 求交一次。 - 修复：浮动面板的 ✕ 位于标题栏矩形内部，按下后会继续落到「标题栏 → 拖动面板」 分支，表现为「按住 ✕ 却把面板拖走了」；现在按下 ✕ 直接消费该次点击（抬起时 仍按原语义确认关闭），并把 ✕ 的光标改为手型，与其它关闭按钮一致。 - 修复：✕ / 滑块 / 底部按钮的悬停高亮依赖鼠标坐标，但从同一网格的波形移到面板上 时悬停状态毫无变化 → OnMouseMove 返回 false → 宿主不重绘 → 高亮不出现。 现在「进入 / 离开 / 在面板内移动」都会请求重绘。 - 离屏验证（窗口隐藏，不占用鼠标/键盘/屏幕）：345 项检查全部通过，含 阶数扫描（N=1 只改外侧弱峰、N=2 传导到中间弱峰、高 N 逼近健康幅值且不越界、 健康峰在任何阶数下逐位不变）、两个滑块的按压/拖拽/钳制、选区越界零墨迹 （绘图区外像素差 0）、面板 ✕ 悬停高亮与按下不拖动、光标拖拽始终在视界内， 以及真实 20K 电机纹波录波（信号范围保持不变、20%+ 采样被调整）。
This commit is contained in:
DeepSeek V4.1 Flash committed
1 parent
67f659ad23
commit
8c8508e5f8
5 files changed
+457
-240
No files matched your search
@@ -513,6 +513,15 @@ namespace jdi
|
||||
/** 弱波增强等级（0–1），0% = 目标取左右极值中较小/较大的那一个，100% = 取另一个。 */
|
||||
double weakBoostLevel = 0.5;
|
||||
|
||||
/**
|
||||
* @brief 弱波增强的阶数 N（1–10）。
|
||||
*
|
||||
* 与「均值滤波」的阶数 N 一样表示“把同一处理重复应用 N 次”（每一阶以上一阶为输入）：
|
||||
* 一阶时改定量就已严格等于「等级」对应的目标值；多阶会把相邻弱波互相抬高
|
||||
* 彼此的基准，从而把较宽的弱波区逐步恢复。
|
||||
*/
|
||||
int weakBoostOrder = 1;
|
||||
|
||||
/** 参与弱波增强预览的信号条目（只包含被勾选的信号）。 */
|
||||
std::vector<WeakBoostItem> weakBoostItems;
|
||||
|
||||
@@ -585,8 +594,11 @@ namespace jdi
|
||||
/**
|
||||
* @brief 「弱波增强」：把比周边更弱的纹波波峰/波谷恢复（自适应弱波增强）。
|
||||
*
|
||||
* 思路（全部 O(n)）：
|
||||
* 1. **识别趋势与极值**：对轻度平滑后的信号扫描单调段，方向发生翻转处即为
|
||||
* 本算法**不做任何前置滤波**：需要平滑时用户可以先用「均值滤波」构建一条
|
||||
* 滤波后的信号，再对它做弱波增强。极值点直接在输入采样上识别。
|
||||
*
|
||||
* 单阶处理（全 O(n)）：
|
||||
* 1. **识别趋势与极值**：扫描单调段，方向发生翻转处的上一个采样点即为
|
||||
* 波峰（先升后降）或波谷（先降后升）；波峰与波谷交替出现。
|
||||
* 2. **判定“弱”**：对第 k 个波峰，取同类的左右相邻波峰（k−2、k+2）。
|
||||
* 若本波峰低于两者的均值，说明它是被削弱的那个；波谷反之（高于两者均值）。
|
||||
@@ -598,14 +610,14 @@ namespace jdi
|
||||
* 4. **平滑偏移**：极值点本身取其目标值，两侧的数据点按相邻两个极值点的偏移量
|
||||
* 平滑过渡（平滑步进，两端导数为 0），使波形整体趋势不变、只在弱波附近被推回。
|
||||
*
|
||||
* 与“全局缩放/局部放大”不同，这里**只改动被判为弱波的极值及其两侧**，
|
||||
* 正常周期的极值不满足条件、偏移量恒为 0，因此输出与输入逐位相同。
|
||||
*
|
||||
* @param [IN] values 原始采样值。
|
||||
* @param [IN] level 弱波增强等级（0–1，超出范围会被夹取）。
|
||||
* @param [IN] order 阶数 N（重复应用次数，至少为 1；与均值滤波的阶数同一语义）。
|
||||
* @param [OUT] out 输出数组（长度与 values 相同；原值为 NaN 处保持 NaN）。
|
||||
*/
|
||||
void ComputeWeakWaveBoost(const std::vector<double>& values, double level,
|
||||
void ComputeWeakWaveBoost(const std::vector<double>& values, double level, int order,
|
||||
std::vector<float>& out);
|
||||
|
||||
/**
|
||||
|
||||
+177
-157
@@ -137,6 +137,7 @@ namespace jdi
|
||||
bool weakBoost = false;
|
||||
std::vector<Lane::WeakBoostItem> weakBoostItems;
|
||||
double weakBoostLevel = 0.5;
|
||||
int weakBoostOrder = 1;
|
||||
bool weakBoostPanelOpen = true;
|
||||
double weakBoostPanelX = -1.0;
|
||||
double weakBoostPanelY = -1.0;
|
||||
@@ -168,6 +169,7 @@ namespace jdi
|
||||
carry.weakBoost = lane.weakBoost;
|
||||
carry.weakBoostItems = lane.weakBoostItems;
|
||||
carry.weakBoostLevel = lane.weakBoostLevel;
|
||||
carry.weakBoostOrder = lane.weakBoostOrder;
|
||||
carry.weakBoostPanelOpen = lane.weakBoostPanelOpen;
|
||||
carry.weakBoostPanelX = lane.weakBoostPanelX;
|
||||
carry.weakBoostPanelY = lane.weakBoostPanelY;
|
||||
@@ -210,6 +212,7 @@ namespace jdi
|
||||
lane.weakBoost = carry.weakBoost;
|
||||
lane.weakBoostItems = carry.weakBoostItems;
|
||||
lane.weakBoostLevel = carry.weakBoostLevel;
|
||||
lane.weakBoostOrder = carry.weakBoostOrder;
|
||||
lane.weakBoostPanelOpen = carry.weakBoostPanelOpen;
|
||||
lane.weakBoostPanelX = carry.weakBoostPanelX;
|
||||
lane.weakBoostPanelY = carry.weakBoostPanelY;
|
||||
@@ -1056,41 +1059,179 @@ namespace jdi
|
||||
};
|
||||
|
||||
/**
|
||||
* @brief 取用于“识别波峰/波谷”的轻度平滑值。
|
||||
* @brief 「弱波增强」的单阶处理：把偏弱的波峰上拉、偏弱的波谷下拉。
|
||||
*
|
||||
* 直接对原始采样做方向判定时，采样噪声会被当成大量假波峰/波谷，使增强曲线抖动；
|
||||
* 因此先看一下 5 点滑动平均（半径 2）之后的“形状”。这里按需就地计算，
|
||||
* 不额外分配与采样数同量级的缓冲。
|
||||
* **不做任何前置滤波**（需要平滑时用户可以先用「均值滤波」构建一条滤波后的信号）：
|
||||
* 极值点直接在输入采样上通过单调段的方向翻转识别。
|
||||
*
|
||||
* @param [IN] values 原始采样值。
|
||||
* @param [IN] index 采样下标。
|
||||
* @return 轻度平滑后的取值；邻域内没有有效值时返回 NaN。
|
||||
* @param [IN] input 本阶的输入采样值。
|
||||
* @param [IN] strength 弱波增强等级（0–1，已夹取）。
|
||||
* @param [OUT] output 本阶的输出（长度与 input 相同；原值为 NaN 处保持 NaN）。
|
||||
* @return 确实有采样点被改动返回 true；完全无弱波时返回 false。
|
||||
*/
|
||||
double BoostShapeAt(const std::vector<double>& values, std::size_t index)
|
||||
bool ApplyWeakBoostStage(const std::vector<float>& input, double strength,
|
||||
std::vector<float>& output)
|
||||
{
|
||||
const std::size_t count = values.size();
|
||||
const std::size_t low = (index > 2) ? (index - 2) : 0;
|
||||
const std::size_t high = std::min(count - 1, index + 2);
|
||||
double sum = 0.0;
|
||||
int used = 0;
|
||||
for (std::size_t i = low; i <= high; ++i)
|
||||
const std::size_t count = input.size();
|
||||
output.assign(count, std::numeric_limits<float>::quiet_NaN());
|
||||
if (count == 0)
|
||||
{
|
||||
const double value = values[i];
|
||||
return false;
|
||||
}
|
||||
|
||||
// 先把有效采样原样拷入输出，之后按“极值点之间的平滑偏移”逐点叠加。
|
||||
for (std::size_t index = 0; index < count; ++index)
|
||||
{
|
||||
const float value = input[index];
|
||||
if (std::isfinite(value))
|
||||
{
|
||||
sum += value;
|
||||
++used;
|
||||
output[index] = value;
|
||||
}
|
||||
}
|
||||
if (used == 0)
|
||||
|
||||
// 1) 识别波峰 / 波谷：扫描单调段，方向翻转处的上一个采样点即为极值点。
|
||||
// 波峰（先升后降）与波谷（先降后升）必然交替出现，
|
||||
// 因此同类极值就是极值序列里下标 ±2 的两个。
|
||||
std::vector<BoostExtremum> extremes;
|
||||
{
|
||||
return std::numeric_limits<double>::quiet_NaN();
|
||||
int direction = 0; // 当前单调段方向（+1 上升、-1 下降）。
|
||||
bool hasPrevious = false;
|
||||
std::size_t previousIndex = 0;
|
||||
double previousValue = 0.0;
|
||||
for (std::size_t index = 0; index < count; ++index)
|
||||
{
|
||||
const double value = static_cast<double>(input[index]);
|
||||
if (!std::isfinite(value))
|
||||
{
|
||||
// 无效采样作为断点：不跨越它判定极值。
|
||||
hasPrevious = false;
|
||||
continue;
|
||||
}
|
||||
if (!hasPrevious)
|
||||
{
|
||||
hasPrevious = true;
|
||||
previousIndex = index;
|
||||
previousValue = value;
|
||||
continue;
|
||||
}
|
||||
const int step = (value > previousValue) ? 1 : ((value < previousValue) ? -1 : 0);
|
||||
if (step != 0)
|
||||
{
|
||||
if (direction == 0)
|
||||
{
|
||||
direction = step;
|
||||
}
|
||||
else if (step != direction)
|
||||
{
|
||||
// 方向在此翻转：上一个采样点就是极值（原方向向上则为波峰）。
|
||||
BoostExtremum extreme;
|
||||
extreme.index = previousIndex;
|
||||
extreme.value = previousValue;
|
||||
extreme.type = direction;
|
||||
extremes.push_back(extreme);
|
||||
direction = step;
|
||||
}
|
||||
}
|
||||
previousIndex = index;
|
||||
previousValue = value;
|
||||
}
|
||||
}
|
||||
return sum / static_cast<double>(used);
|
||||
|
||||
// 识别不到足够多的极值（常量 / 单调 / 采样点太少）：本阶无需任何改动。
|
||||
if (extremes.size() < 5)
|
||||
{
|
||||
return false;
|
||||
}
|
||||
|
||||
// 2) 逐个极值点判定“是否偏弱”，并算出它自己的目标偏移量。
|
||||
const std::size_t extremeCount = extremes.size();
|
||||
std::vector<double> shift(extremeCount, 0.0);
|
||||
for (std::size_t k = 2; k + 2 < extremeCount; ++k)
|
||||
{
|
||||
const BoostExtremum& current = extremes[k];
|
||||
const BoostExtremum& left = extremes[k - 2];
|
||||
const BoostExtremum& right = extremes[k + 2];
|
||||
if (left.type != current.type || right.type != current.type)
|
||||
{
|
||||
continue;
|
||||
}
|
||||
if (!std::isfinite(current.value) || !std::isfinite(left.value) ||
|
||||
!std::isfinite(right.value))
|
||||
{
|
||||
continue;
|
||||
}
|
||||
const double mean = (left.value + right.value) * 0.5;
|
||||
const double lower = std::min(left.value, right.value);
|
||||
const double upper = std::max(left.value, right.value);
|
||||
double destination = 0.0;
|
||||
if (current.type > 0)
|
||||
{
|
||||
// 波峰：低于左右两个波峰的均值 → 判定为弱波，上拉到等级对应的目标值。
|
||||
if (!(current.value < mean))
|
||||
{
|
||||
continue;
|
||||
}
|
||||
destination = lower + strength * (upper - lower);
|
||||
}
|
||||
else
|
||||
{
|
||||
// 波谷：高于左右两个波谷的均值 → 判定为弱波，下拉到等级对应的目标值。
|
||||
if (!(current.value > mean))
|
||||
{
|
||||
continue;
|
||||
}
|
||||
destination = upper - strength * (upper - lower);
|
||||
}
|
||||
shift[k] = destination - current.value;
|
||||
}
|
||||
|
||||
// 3) 把偏移量平滑地摊到极值点之间的数据点上：
|
||||
// 相邻两个极值点之间用平滑步进过渡（两端导数为 0，波形不会出现折角），
|
||||
// 数据首尾则从 0 渐变到最近的极值点偏移。
|
||||
// 注意：极值序列的首尾各两个元素的偏移量恒为 0（缺少同类的左右邻居），
|
||||
// 因此这里只需要填充 shift 非零的区间。
|
||||
bool changed = false;
|
||||
const auto applySpan = [&input, &output, count](std::size_t begin, std::size_t end,
|
||||
double beginShift, double endShift)
|
||||
{
|
||||
if (end <= begin)
|
||||
{
|
||||
if (begin < count && std::isfinite(input[begin]))
|
||||
{
|
||||
output[begin] = static_cast<float>(input[begin] + beginShift);
|
||||
}
|
||||
return;
|
||||
}
|
||||
const double span = static_cast<double>(end - begin);
|
||||
for (std::size_t index = begin; index <= end; ++index)
|
||||
{
|
||||
const float value = input[index];
|
||||
if (!std::isfinite(value))
|
||||
{
|
||||
continue;
|
||||
}
|
||||
const double t = static_cast<double>(index - begin) / span;
|
||||
const double weight = t * t * (3.0 - 2.0 * t);
|
||||
output[index] = static_cast<float>(value + beginShift * (1.0 - weight) +
|
||||
endShift * weight);
|
||||
}
|
||||
};
|
||||
|
||||
for (std::size_t k = 0; k + 1 < extremeCount; ++k)
|
||||
{
|
||||
if (shift[k] == 0.0 && shift[k + 1] == 0.0)
|
||||
{
|
||||
continue;
|
||||
}
|
||||
applySpan(extremes[k].index, extremes[k + 1].index, shift[k], shift[k + 1]);
|
||||
changed = true;
|
||||
}
|
||||
return changed;
|
||||
}
|
||||
} // namespace
|
||||
|
||||
void ComputeWeakWaveBoost(const std::vector<double>& values, double level, std::vector<float>& out)
|
||||
void ComputeWeakWaveBoost(const std::vector<double>& values, double level, int order,
|
||||
std::vector<float>& out)
|
||||
{
|
||||
const std::size_t count = values.size();
|
||||
out.assign(count, std::numeric_limits<float>::quiet_NaN());
|
||||
@@ -1099,155 +1240,33 @@ namespace jdi
|
||||
return;
|
||||
}
|
||||
|
||||
// 先把有效采样原样拷入输出，之后按“极值点之间的平滑偏移”逐点叠加。
|
||||
// 第 1 阶：从原始采样值出发（非有限值保持 NaN）。
|
||||
std::vector<float> current(count, std::numeric_limits<float>::quiet_NaN());
|
||||
for (std::size_t index = 0; index < count; ++index)
|
||||
{
|
||||
const double value = values[index];
|
||||
if (std::isfinite(value))
|
||||
{
|
||||
out[index] = static_cast<float>(value);
|
||||
current[index] = static_cast<float>(value);
|
||||
}
|
||||
}
|
||||
|
||||
// 增强等级：波峰取左右两个波峰中较小者为 0%、较大者为 100%，
|
||||
// 目标值 = 较小 + 等级 × (较大 − 较小)（波谷相反）。
|
||||
// 「阶数 N」与「均值滤波」的阶数语义一致：把同一处理**重复应用 N 次**，
|
||||
// 每一阶以上一阶的结果为输入。一阶时改定量已严格等于「等级」对应的目标值；
|
||||
// 多阶时相邻的弱波会互相抬高彼此的基准，从而把较宽的弱波区逐步恢复。
|
||||
const int stages = std::max(1, std::min(order, 1000));
|
||||
const double strength = std::max(0.0, std::min(1.0, level));
|
||||
|
||||
// 1) 识别波峰 / 波谷：扫描单调段，方向翻转处的上一个采样点即为极值点。
|
||||
// 波峰（先升后降）与波谷（先降后升）必然交替出现，因此同类极值就是下标 ±2 的两个。
|
||||
std::vector<BoostExtremum> extremes;
|
||||
std::vector<float> next;
|
||||
for (int stage = 0; stage < stages; ++stage)
|
||||
{
|
||||
int direction = 0; // 当前单调段方向（+1 上升、-1 下降）。
|
||||
bool hasPrevious = false;
|
||||
std::size_t previousIndex = 0;
|
||||
double previousShape = 0.0;
|
||||
for (std::size_t index = 0; index < count; ++index)
|
||||
if (!ApplyWeakBoostStage(current, strength, next))
|
||||
{
|
||||
if (!std::isfinite(values[index]))
|
||||
{
|
||||
// 无效采样作为断点：不跨越它判定极值。
|
||||
hasPrevious = false;
|
||||
continue;
|
||||
}
|
||||
const double shape = BoostShapeAt(values, index);
|
||||
if (!std::isfinite(shape))
|
||||
{
|
||||
hasPrevious = false;
|
||||
continue;
|
||||
}
|
||||
if (!hasPrevious)
|
||||
{
|
||||
hasPrevious = true;
|
||||
previousIndex = index;
|
||||
previousShape = shape;
|
||||
continue;
|
||||
}
|
||||
const int step = (shape > previousShape) ? 1 : ((shape < previousShape) ? -1 : 0);
|
||||
if (step != 0)
|
||||
{
|
||||
if (direction == 0)
|
||||
{
|
||||
direction = step;
|
||||
}
|
||||
else if (step != direction)
|
||||
{
|
||||
// 方向在此翻转：上一个采样点就是极值（原方向向上则为波峰）。
|
||||
BoostExtremum extreme;
|
||||
extreme.index = previousIndex;
|
||||
extreme.value = values[previousIndex];
|
||||
extreme.type = direction;
|
||||
extremes.push_back(extreme);
|
||||
direction = step;
|
||||
}
|
||||
}
|
||||
previousIndex = index;
|
||||
previousShape = shape;
|
||||
// 这一阶没有任何采样点需要调整：后续阶数也不会再有变化，提前结束。
|
||||
break;
|
||||
}
|
||||
current.swap(next);
|
||||
}
|
||||
|
||||
if (extremes.size() < 3)
|
||||
{
|
||||
// 找不到足够的极值（例如常量或单调信号）：无可增强之处。
|
||||
return;
|
||||
}
|
||||
|
||||
// 2) 逐个极值点判定“是否偏弱”，并算出它自己的目标偏移量。
|
||||
const std::size_t extremeCount = extremes.size();
|
||||
std::vector<double> shift(extremeCount, 0.0);
|
||||
for (std::size_t k = 2; k + 2 < extremeCount; ++k)
|
||||
{
|
||||
const BoostExtremum& current = extremes[k];
|
||||
const BoostExtremum& left = extremes[k - 2];
|
||||
const BoostExtremum& right = extremes[k + 2];
|
||||
if (left.type != current.type || right.type != current.type)
|
||||
{
|
||||
continue;
|
||||
}
|
||||
if (!std::isfinite(current.value) || !std::isfinite(left.value) ||
|
||||
!std::isfinite(right.value))
|
||||
{
|
||||
continue;
|
||||
}
|
||||
const double mean = (left.value + right.value) * 0.5;
|
||||
const double lower = std::min(left.value, right.value);
|
||||
const double upper = std::max(left.value, right.value);
|
||||
double destination = 0.0;
|
||||
if (current.type > 0)
|
||||
{
|
||||
// 波峰：低于左右两个波峰的均值 → 判定为弱波，上拉到等级对应的目标值。
|
||||
if (!(current.value < mean))
|
||||
{
|
||||
continue;
|
||||
}
|
||||
destination = lower + strength * (upper - lower);
|
||||
}
|
||||
else
|
||||
{
|
||||
// 波谷：高于左右两个波谷的均值 → 判定为弱波，下拉到等级对应的目标值。
|
||||
if (!(current.value > mean))
|
||||
{
|
||||
continue;
|
||||
}
|
||||
destination = upper - strength * (upper - lower);
|
||||
}
|
||||
shift[k] = destination - current.value;
|
||||
}
|
||||
|
||||
// 3) 把偏移量平滑地摊到极值点之间的数据点上：
|
||||
// 相邻两个极值点之间用平滑步进过渡（两端导数为 0，波形不会出现折角），
|
||||
// 数据首尾则从 0 渐变到最近的极值点偏移，保证端点原样不动。
|
||||
const auto applySpan = [&values, &out, count](std::size_t begin, std::size_t end,
|
||||
double beginShift, double endShift)
|
||||
{
|
||||
if (end <= begin)
|
||||
{
|
||||
if (begin < count && std::isfinite(values[begin]))
|
||||
{
|
||||
out[begin] = static_cast<float>(values[begin] + beginShift);
|
||||
}
|
||||
return;
|
||||
}
|
||||
const double span = static_cast<double>(end - begin);
|
||||
for (std::size_t index = begin; index <= end; ++index)
|
||||
{
|
||||
const double value = values[index];
|
||||
if (!std::isfinite(value))
|
||||
{
|
||||
continue;
|
||||
}
|
||||
const double t = static_cast<double>(index - begin) / span;
|
||||
const double weight = t * t * (3.0 - 2.0 * t);
|
||||
out[index] = static_cast<float>(value + beginShift * (1.0 - weight) +
|
||||
endShift * weight);
|
||||
}
|
||||
};
|
||||
|
||||
applySpan(0, extremes.front().index, 0.0, shift.front());
|
||||
for (std::size_t k = 0; k + 1 < extremeCount; ++k)
|
||||
{
|
||||
applySpan(extremes[k].index, extremes[k + 1].index, shift[k], shift[k + 1]);
|
||||
}
|
||||
applySpan(extremes.back().index, count - 1, shift.back(), 0.0);
|
||||
out.swap(current);
|
||||
}
|
||||
|
||||
const Lane::MeanFilterItem* Lane::FindMeanFilterItem(const SignalRef& ref) const
|
||||
@@ -1893,6 +1912,7 @@ namespace jdi
|
||||
lane.edgeCenterPanelY = source.edgeCenterPanelY;
|
||||
lane.weakBoost = source.weakBoost;
|
||||
lane.weakBoostLevel = source.weakBoostLevel;
|
||||
lane.weakBoostOrder = source.weakBoostOrder;
|
||||
lane.weakBoostPanelOpen = source.weakBoostPanelOpen;
|
||||
lane.weakBoostPanelX = source.weakBoostPanelX;
|
||||
lane.weakBoostPanelY = source.weakBoostPanelY;
|
||||
|
||||
Reference in new issue
Block a user